A) La regresión simple no necesita realizar pruebas de significancia
B) La regresión múltiple solo se usa en mercados financieros
C) La regresión simple es más precisa que la regresión múltiple
D) La regresión simple tiene una sola variable independiente, mientras que la regresión múltiple tiene varias

A) Mínimos cuadrados ordinarios
B) Método de máxima verosimilitud
C) Método de descomposición LU
D) Análisis de componentes principales

A) Modelo predictivo de crecimiento económico
B) Modelo de regresión logística
C) Modelo integrado autoregresivo de media móvil
D) Modelo general de regresión lineal

A) Estabilidad en la correlación entre variables
B) Cambio en la distribución de probabilidad de los datos
C) Media y varianza constantes a lo largo del tiempo
D) Presencia de tendencias lineales en los datos

A) Metodología para la identificación, estimación y diagnóstico de modelos ARIMA
B) Modelo predictivo de corto plazo
C) Modelo de regresión multinomial
D) Modelo de regresión logística

A) Modelo de regresión simple
B) Modelo de series temporales estacionarias
C) Modelo de pronóstico de ventas
D) Modelo autorregresivo condicional de heterocedasticidad

A) El crecimiento económico sostenible
B) La volatilidad condicional en la serie temporal
C) La correlación entre variables macroeconómicas
D) La estabilidad del mercado financiero

A) Cuando el modelo no considera las variables temporales
B) Cuando las variables independientes están altamente correlacionadas
C) Cuando una variable explicativa está correlacionada con el término de error
D) Cuando la varianza de los errores cambia con el tiempo

A) Relación estacional entre variables censuradas
B) Relación de largo plazo entre series de tiempo no estacionarias
C) Relación temporal perfecta entre dos variables
D) Relación entre variables independientes en modelos de regresión

A) Para modelar la relación lineal entre variables explicativas
B) Para introducir sesgo en los modelos econométricos
C) Para evaluar la precisión de los coeficientes estimados
D) Para aumentar la heterocedasticidad en los residuos

A) Método para predecir futuros eventos económicos
B) Método para ajustar los coeficientes a los datos
C) Método para aumentar la multicolinealidad en el modelo
D) Método para evaluar si los coeficientes son estadísticamente diferentes de cero

A) Errores tipo I: No tener suficientes datos. Errores tipo II: Tener demasiada información.
B) Errores tipo I: No considerar la heterocedasticidad. Errores tipo II: Ignorar la multicolinealidad.
C) Errores tipo I: Rechazar una hipótesis nula verdadera. Errores tipo II: Aceptar una hipótesis nula falsa.
D) Errores tipo I: Aceptar una hipótesis nula falsa. Errores tipo II: Rechazar una hipótesis nula verdadera.